數據科學入門第2版

《數據科學入門第2版》是2021年1月人民郵電出版社出版的圖書，作者是[美]喬爾·格魯斯（Joel Grus），本書基於Python語言環境，從零開始講解數據科學工作，講述數據科學工作所需的技能與訣竅。

基本介紹

• 書名：數據科學入門第2版
• 作者：[美]喬爾·格魯斯（Joel Grus）
• 出版社：人民郵電出版社
• ISBN：9787115552761

內容簡介

本書基於Python語言環境，從零開始講解數據科學工作，講述數據科學工作所需的技能與訣竅，並帶領讀者熟悉數據科學的核心知識：數學與統計學。作者藉助大量具有現實意義的實例詳細展示了什麼是數據科學，介紹了從事數據科學工作需要用到的庫，如NumPy、scikit-learn、pandas等，還在每章末尾推薦了很多學習資源，幫助你進一步鞏固本書所學。新版基於Python 3.6，重寫了所有示例和代碼，並根據數據科學近幾年的發展，新增了關於深度學習、統計學和自然語言處理等主題，讓圖書內容與時俱進。

圖書目錄

第2版前言　xiii

第1版前言 xvii

第1章 導論　1

1.1　數據的崛起　1

1.2　什麼是數據科學　1

1.3　激勵假設：DataSciencester　2

1.3.1　尋找關鍵聯繫人　3

1.3.2　你可能知道的數據科學家　5

1.3.3　工資和工作年限　8

1.3.4　付費賬戶　10

1.3.5　感興趣的主題　10

1.3.6　展望　12

第2章 Python速成　13

2.1　Python之禪　13

2.2　獲取Python　14

2.3　虛擬環境　14

2.4　空白格式　15

2.5　模組　16

2.6　函式　17

2.7　字元串　18

2.8　異常　19

2.9　列表　19

2.10　元組　21

2.11　字典　22

2.12　計數器　24

2.13　集　24

2.14　控制流　25

2.15　真和假　26

2.16　排序　27

2.17　列表解析　27

2.18　自動化測試和斷言　28

2.19　面向對象編程　29

2.20　疊代器和生成器　31

2.21　隨機性 ..32

2.22　正則表達式　33

2.23　函式式編程　34

2.24　壓縮和參數拆分　34

2.25　args和kwargs　35

2.26　類型注釋　36

2.27　歡迎來到DataSciencester　39

2.28　進一步探索　39

第3章　數據可視化　40

3.1　matplotlib　40

3.2　條形圖　42

3.3　線圖　45

3.4　散點圖　46

3.5　延伸學習　48

第4章　線性代數　49

4.1　向量　49

4.2　矩陣　53

4.3　延伸學習　56

第5章　統計學　57

5.1　描述單個數據集　57

5.1.1　中心傾向　59

5.1.2　離散度　61

5.2　相關　62

5.3　辛普森悖論　64

5.4　相關係數的其他注意事項　65

5.5　相關與因果　66

5.6　延伸學習　66

第6章　機率　68

6.1　依賴和獨立　68

6.2　條件機率　69

6.3　貝葉斯定理　71

6.4　隨機變數　72

6.5　連續分布　72

6.6　常態分配　73

6.7　中心極限定理　76

6.8　延伸學習　78

第7章　假設和推論　79

7.1　統計假設檢驗　79

7.2　實例：擲硬幣　79

7.3　p值　82

7.4　置信區間　84

7.5　p-Hacking　84

7.6　實例：運行A/B 測試　85

7.7　貝葉斯推斷　86

7.8　延伸學習　89

第8章　梯度下降　90

8.1　梯度下降的思想　90

8.2　估算梯度　91

8.3　使用梯度　94

8.4　選擇正確步長　94

8.5　使用梯度下降擬合模型　95

8.6　小批次梯度下降和隨機梯度下降　96

8.7　延伸學習　98

第9章　獲取數據　99

9.1　stdin和stdout　99

9.2　讀取檔案　101

9.2.1　文本檔案的基礎　101

9.2.2　限制的檔案　102

9.3　網路抓取　104

9.4　使用API　106

9.4.1　JSON和XML　106

9.4.2　使用無驗證的API　107

9.4.3　尋找API　108

9.5　實例：使用Twitter API　109

9.6　延伸學習　112

第10章 數據工作　113

10.1　探索數據　113

10.1.1　探索一維數據　113

10.1.2　兩個維度　115

10.1.3　多維數據　116

10.2　使用NamedTuple　18

10.3　數據類　119

10.4　清洗和修改　120

10.5　數據處理　122

10.6　數據調整　25

10.7　題外話：tqdm　126

10.8　降維　127

10.9　延伸學習　133

第11章 機器學習　134

11.1　建模　134

11.2　什麼是機器學習　135

11.3　過擬合與欠擬合　135

11.4　正確性　138

11.5　偏差?C方差權衡　140

11.6　特徵提取與選擇　141

11.7　延伸學習　142

第12章 k近鄰法　143

12.1　模型　143

12.2　實例：鳶尾花數據集　145

12.3　維數災難　148

12.4　進一步探索　152

第13章 樸素貝葉斯算法　153

13.1　一個簡易的垃圾郵件過濾器　153

13.2　一個複雜的垃圾郵件過濾器　154

13.3　算法實現　155

13.4　測試模型　157

13.5　使用模型　158

13.6　延伸學習　161

第14章 簡單線性回歸　162

14.1　模型　162

14.2　使用梯度下降法　165

14.3　似然估計　166

14.4　延伸學習　166

第15章 多元回歸　167

15.1　模型　167

15.2　小二乘模型的進一步假設　168

15.3　擬合模型　169

15.4　解釋模型　171

15.5　擬合優度　171

15.6　題外話：Bootstrap　172

15.7　回歸係數的標準誤差　173

15.8　正則化　175

15.9　延伸學習　177

第16章 邏輯回歸　178

16.1　問題　178

16.2　logistic函式　180

16.3　套用模型　183

16.4　擬合優度　184

16.5　支持向量機　185

16.6　延伸學習　188

第17章 決策樹　89

17.1　什麼是決策樹　189

17.2　熵　191

17.3　分割的熵　193

17.4　創建決策樹　194

17.5　綜合運用　196

17.6　隨機森林　199

17.7　延伸學習　199

第18章 神經網路　200

18.1　感知器　200

18.2　前饋神經網路　202

18.3　反向傳播　205

18.4　實例：Fizz Buzz　207

18.5　延伸學習　210

第19章 深度學習　211

19.1　張量　211

19.2　層抽象　213

19.3　線性層　215

19.4　把神經網路作為層序列　218

19.5　損失函式與最佳化器　219

19.6　實例：重新設計異或網路　221

19.7　其他激活函式　222

19.8　實例：重新解決Fizz Buzz問題　223

19.9　softmax函式和交叉熵　224

19.10　丟棄　227

19.11　實例：MNIST　227

19.12　保存和載入模型　231

19.13　延伸學習　232

第20章 聚類分析　233

20.1　原理　233

20.2　模型　234

20.3　實例：聚會　236

20.4　選擇聚類數目k　238

20.5　實例：色彩聚類　239

20.6　自下而上的分層聚類　241

20.7　延伸學習　246

第21章 自然語言處理　247

21.1　詞雲　247

21.2　n-gram 語言模型　249

21.3　語法　252

21.4　題外話：吉布斯採樣　254

21.5　主題建模　255

21.6　詞向量　260

21.7　遞歸神經網路　268

21.8　實例：使用字元級RNN　271

21.9　延伸學習　274

第22章 網路分析　275

22.1　中介中心性　275

22.2　特徵向量中心性　280

22.2.1　矩陣乘法　280

22.2.2　中心性　282

22.3　有向圖與PageRank　283

22.4　延伸學習　286

第23章 推薦系統　287

23.1　人工管理　288

23.2　推薦流行事務　288

23.3　基於用戶的協同過濾　289

23.4　基於項目的協同過濾　292

23.5　矩陣分解　294

23.6　延伸學習　298

第24章 資料庫與SQL　299

24.1　CREATE TABLE與INSERT　299

24.2　UPDATE　302

24.3　DELETE　303

24.4　SELECT　304

24.5　GROUP BY　306

24.6　ORDER BY　308

24.7　JOIN　309

24.8　子查詢　311

24.9　索引　312

24.10　查詢最佳化　312

24.11　NoSQL　313

24.12　延伸學習　313

第25章 MapReduce　314

25.1　實例：單詞計數　315

25.2　為什麼是MapReduce　316

25.3　更一般化的MapReduce　317

25.4　實例：狀態分析更新　318

25.5　實例：矩陣乘法　320

25.6　題外話：組合器　321

25.7　延伸學習　322

第26章 數據倫理　323

26.1　什麼是數據倫理　323

26.2　講真的，什麼是數據倫理　324

26.3　是否應該關注數據倫理　324

26.4　建立不良數據產品　325

26.5　精確與公平之間的較量　325

26.6　合作　327

26.7　可解釋性　327

26.8　推薦　327

26.9　異常數據　328

26.10　數據保護　329

26.11　小結　329

26.12　延伸學習　329

第27章 數據科學前瞻　330

27.1　IPython　330

27.2　數學　331

27.3　不從零開始　331

27.3.1　NumPy　331

27.3.2　pandas　331

27.3.3　scikit-learn　331

27.3.4　可視化　332

27.3.5　R　332

27.3.6　深度學習　332

27.4　尋找數據　333

27.5　從事數據科學工作　333

27.5.1　Hacker News　333

27.5.2　消防車　333

27.5.3　T恤　334

27.5.4　地球儀上的推文　334

27.5.5　你的發現　335

關於作者　336

關於封面　336

作者簡介

喬爾·格魯斯（Joel Grus） Capital Group公司的首席機器學習工程師，擔任過艾倫研究所的人工智慧研發工程師以及谷歌公司的軟體工程師，還曾在多家創業公司擔任數據科學家。

【譯者簡介】

岳冰 美國西北大學數學碩士，知乎專欄“X-Lab”編輯，參與編撰了《知識圖譜標準化白皮書（2019版）》。深耕圖神經網路、推薦算法、複雜關係網路風險挖掘、機器學習等領域。運用人工智慧算法與工具，長期支持有關部門用高精尖技術手段打擊違法犯罪。

高蓉 講師，任教於杭州電子科技大學經濟學院金融系。博士和碩士畢業於南開大學經濟學院金融系，本科畢業於南開大學數學學院計算數學專業。研究領域包括數據科學套用、資產定價、金融工程、計量經濟套用等。

韓波 自由譯者、撰稿人，從事信息技術工作二十餘年，主要興趣領域為機器學習、Python等。曾為多家信息技術媒體撰稿，另譯有《Python數據分析》。